Ormai termini legati allo sviluppo della supertecnologia del futuro, l’Intelligenza Artificiale, sono prepotentemente entrati nel nostro vocabolario, animando accesi dibattiti tra esperti, politici, associazioni di consumatori e industrie dell’High Tech. Il cittadino è disorientato e vorrebbe comprendere di più su questa rivoluzione che a breve potrebbe sconvolgergli la vita reale: In meglio o peggio dipende dai punti di vista.

di Massimiliano D’Elia

L’Europa è stata la prima a cercare di normare con l’IA Act l’utilizzo degli algoritmi intelligenti. Un regolamento accolto con favore da parte di politici ed esperti ma che lascia ancora dubbi e richieste di approfondimenti da parte di associazioni di consumatori e di altre organizzazioni lontane dalle dinamiche politiche e del business.

L’accordo preliminare tra il Consiglio e il Parlamento europeo, stabilito all’inizio del mese di dicembre, ha delineato l’architettura della legge, ma la trattativa tra le istituzioni europee e le aziende leader nel settore dell’IA è ancora in alto mare.

L’approvazione definitiva dell’AI Act è attesa tra marzo e maggio prossimi. I suoi effetti si vedranno, però, solo nel lontano 2025, quando la legge entrerà in vigore con l’intento di promuovere l’innovazione tecnologica e tutelare i diritti fondamentali dei cittadini.

Il quadro normativo europeo sull’intelligenza artificiale, per ora, si è basato su un approccio “risk-based” con regole progressive sempre più severe per i sistemi ad alto rischio, i cui sviluppatori hanno l’obbligo della registrazione e della necessità di rendere disponibili i dati utilizzati nel training degli algoritmi. Nonostante alcuni paesi europei avessero cercato inizialmente di proteggere i modelli avanzati di intelligenza artificiale da regole e controlli rigorosi, l’accordo finale ha previsto alcune limitate concessioni, come ad esempio per la sicurezza nazionale e quindi a tutte quelle attività legate alla ricerca e all’innovazione dei sistemi militari e delle forze di polizia.

L’identificazione biometrica e la sorveglianza di massa sono soggette a restrizioni mediante l’autorizzazione da parte di autorità nazionali dedicate. La copertura legale per utilizzare tecnologie predittive sarà garantita solo alle forze dell’ordine e a quelle di sicurezza. La legge europea impone, pertanto, obblighi di trasparenza per i sistemi di intelligenza artificiale di uso generale prima del loro rilascio sul mercato e una gestione più attenta dei dati sensibili.

L’entrata in vigore dell’AI Act sarà seguita da un periodo di due anni per l’attuazione del regolamento da parte degli Stati membri ed ulteriori sei mesi per stabilire gli utilizzi proibiti. Sarà, inoltre, istituito un AI Pact, ovvero un sistema di conformità volontaria che anticipa le disposizioni europee.

Le sanzioni per violazioni dell’AI Act varieranno da un minimo di 7,5 milioni o 1,5% del fatturato a un massimo di 35 milioni o 17% del fatturato. Alla luce delle molteplici varibili interpretative, degli interessi delle aziende e delle associazioni dei consumatori, il regolamento Ue è tutt’altro che definito e potrà subire cambiamenti sostanziali, modificando così lo spirito collaborativo che ha animato la stesura del documento iniziale approvato all’inizio di dicembre 2023.

L’Intelligenza Artificiale e il suo impatto sulla natura, sull’oro blu

Il consumo di acqua nei server dell’intelligenza artificiale (IA) è un aspetto molto importante quando si valuta l’impatto ambientale complessivo di un sistema di IA o di un data center. Tuttavia, è importante notare che il consumo di acqua è spesso un aspetto indiretto e correlato a vari fattori, piuttosto che un’area di impiego diretto come nel caso dell’energia. Di seguito alcuni fattori che possono contribuire al consumo di acqua nei server dell’IA:

Raffreddamento dei Data Center: I data center, che ospitano server per l’elaborazione di carichi di lavoro IA, richiedono sistemi di raffreddamento per mantenere le temperature a livelli accettabili. Questi sistemi possono utilizzare acqua per dissipare il calore generato dai server.

Produzione di Hardware: La fabbricazione di hardware dedicato all’IA, come le unità di elaborazione grafica (GPU) o i processori specializzati, richiede spesso notevoli quantità di acqua per i processi di produzione e raffreddamento.

Produzione di Energia: Se l’energia utilizzata per alimentare i server dell’IA proviene da fonti che richiedono grandi quantità di acqua (come centrali elettriche a carbone o nucleari), il ciclo di vita completo del sistema può influire sul consumo complessivo di acqua.

Risorse per la Produzione di Hardware: L’estrazione delle risorse naturali necessarie per la produzione di hardware può comportare un impatto sull’acqua, specialmente se coinvolge materiali come il silicio.

Localizzazione Geografica: La disponibilità e la gestione delle risorse idriche possono variare notevolmente in base alla localizzazione geografica dei data center. In regioni con scarse risorse idriche, il consumo di acqua può essere un aspetto critico.

Alcune aziende stanno adottando strategie per ridurre l’impatto ambientale complessivo dei loro sistemi di IA, compreso il consumo di acqua. Ciò può includere l’adozione di tecnologie più efficienti dal punto di vista energetico, l’impiego di sistemi di raffreddamento innovativi che richiedono meno acqua, e la transizione verso fonti di energia rinnovabile. È importante notare che le considerazioni ambientali legate all’IA, compreso il consumo di acqua, stanno diventando sempre più rilevanti, e molte organizzazioni stanno cercando di implementare pratiche sostenibili nella progettazione e gestione dei loro sistemi di intelligenza artificiale.

IL DECALOGO

Di seguito la spiegazione di alcuni termini che sono entrati con forza nel nostro vocabolario e che potrebbero sconvolgere, più velocemente delle normative legislative nascenti, le nostre vite reali.

Superintelligenza Artificiale

La “superintelligenza artificiale” si riferisce a un livello avanzato di intelligenza artificiale (IA) che supera significativamente le capacità cognitive umane in diversi settori. Questo termine è spesso associato a un’IA che eccelle in diverse attività intellettuali, apprendimento automatico e problemi di risoluzione complessi. La superintelligenza artificiale è una visione futuristica che suggerisce la creazione di sistemi intelligenti che superano non solo le capacità di apprendimento e comprensione umane, ma che possono anche sviluppare una comprensione autonoma del mondo, ragionare, apprendere e risolvere problemi in modi che vanno oltre la portata dell’intelligenza umana.

Oggi non abbiamo ancora raggiunto un livello di superintelligenza artificiale, la ricerca e lo sviluppo di oggi si concentra su sistemi di intelligenza artificiale che possano svolgere specifiche attività o compiti in modo più efficiente o preciso rispetto agli esseri umani. La superintelligenza artificiale è più una prospettiva futura che merita una riflessione etica più approfondita sulla possibilità di creare entità con un’intelligenza in grado di superare quella dell’uomo.

Intelligenza Artificiale Generativa

L'”intelligenza artificiale generativa” si riferisce a un sottocampo dell’intelligenza artificiale (IA) che si occupa della creazione di sistemi in grado di generare autonomamente nuovi dati, contenuti o informazioni. Questi sistemi utilizzano approcci di apprendimento automatico, in particolare reti neurali generative, per produrre dati che spesso imitano o sono indistinguibili da quelli generati da esseri umani.

Un esempio di intelligenza artificiale generativa è il concetto di “Generative Adversarial Networks” (GAN), in cui due reti neurali, un generatore e un discriminatore, sono addestrate simultaneamente attraverso un processo di competizione. Il generatore cerca di creare dati sempre più realistici, mentre il discriminatore cerca di distinguere tra dati reali e dati generati. Questa competizione porta al miglioramento continuo della capacità del generatore di creare dati sempre più convincenti.

Le applicazioni dell’intelligenza artificiale generativa sono diverse e includono la generazione di immagini, testi, musica e altro ancora. Ad esempio, GAN può essere utilizzato per creare volti umani artificiali che sembrano autentici o per generare immagini di paesaggi che sembrano realistici. Tuttavia, è importante notare che l’utilizzo di tali tecnologie solleva anche questioni etiche, come la possibilità di manipolazione di contenuti o la creazione di informazioni false da parte di attori internazionali come i terroristi di diversa matrice.

Intelligenza Artificiale Generale

L’Intelligenza Artificiale Generale (IAG) rappresenta un livello di intelligenza artificiale che mira a comprendere, apprendere e eseguire qualsiasi attività cognitiva umana in modo simile o addirittura superiore agli esseri umani stessi. Contrariamente all’Intelligenza Artificiale normale, che è progettata per risolvere compiti specifici o limitati, l’IAG aspira a una forma di intelligenza artificiale più ampia e flessibile, capace di adattarsi e apprendere in molteplici domini.

Le caratteristiche chiave dell’Intelligenza Artificiale Generale includono

Apprendimento Generale: L’abilità di apprendere da una vasta gamma di dati e di applicare queste conoscenze in contesti diversi. Questo tipo di apprendimento va oltre l’apprendimento specifico di semplici compiti.

Ragionamento Analogico: La capacità di risolvere problemi complessi e fare connessioni attraverso il ragionamento analogico, simile al modo in cui gli esseri umani affrontano nuove situazioni basandosi su esperienze passate.

Comprensione del Contesto: La capacità di comprendere il contesto in cui ci si trova, considerando fattori ambientali, sociali e culturali. Questa abilità è fondamentale per adattarsi a situazioni nuove e impreviste.

Autoconsapevolezza: La consapevolezza della propria esistenza e delle proprie capacità, incluso il riconoscimento delle limitazioni e la capacità di imparare da errori.

Adattabilità: L’abilità di adattarsi a nuovi compiti o ambienti senza una riprogrammazione significativa.

Attualmente, l’IAG è uno degli obiettivi più ambiziosi e complessi nell’ambito dell’intelligenza artificiale. La maggior parte delle tecnologie AI attuali sono specializzate in compiti specifici e non possiedono la flessibilità e l’ampiezza cognitiva che caratterizzerebbero un’intelligenza artificiale generale. L’ottenimento di un’Intelligenza Artificiale Generale solleva notevoli sfide tecniche, etiche e di sicurezza e rimane un obiettivo di lungo termine nella ricerca sull’IA.

Neuroni sensoriali nell’IA

Nell’ambito dell’intelligenza artificiale, i “neuroni sensoriali” possono essere associati a componenti di reti neurali artificiali progettate per elaborare dati provenienti da sensori, simili al modo in cui il sistema nervoso umano utilizza neuroni sensoriali per percepire stimoli esterni.

In una rete neurale artificiale, il termine “neurone” si riferisce a un’unità di calcolo che riceve input, li elabora attraverso una funzione di attivazione e produce un output. Nei primi strati di una rete neurale, che sono spesso chiamati “strati di input” o “strati sensoriali”, i neuroni sono responsabili di ricevere e trasformare le informazioni iniziali provenienti da sensori o dati di input.

Ad esempio, in un’applicazione di visione artificiale, i neuroni sensoriali possono rappresentare l’input grezzo proveniente da pixel di un’immagine. Ogni neurone in questo strato iniziale può essere associato a un pixel specifico e può essere addestrato per rispondere a certi pattern o caratteristiche dell’immagine. In altre parole, questi neuroni sensoriali imparano a riconoscere determinati aspetti delle immagini, come contorni, colori o forme.

I neuroni sensoriali sono solo una parte di un modello di intelligenza artificiale più ampio, e il loro output viene poi elaborato attraverso strati successivi della rete neurale. L’obiettivo finale è che la rete apprenda rappresentazioni sempre più complesse e significative delle informazioni presenti nei dati di input, sfruttando la struttura e l’architettura della rete neurale per apprendere modelli e relazioni.

In sintesi, i neuroni sensoriali nell’intelligenza artificiale svolgono un ruolo chiave nell’elaborazione delle informazioni iniziali provenienti da sensori o dati di input, consentendo alla rete neurale di apprendere e interpretare informazioni complesse nei suoi livelli successivi.

Chatbot

Un chatbot, derivante dalla combinazione delle parole “chat” (conversazione) e “robot”, rappresenta un’applicazione informatica progettata per simulare interazioni umane attraverso una conversazione. Sfruttando l’intelligenza artificiale, il chatbot è in grado di interpretare e rispondere in modo coerente ai messaggi degli utenti, fornendo un’esperienza interattiva. Questi assistenti virtuali possono essere integrati su diverse piattaforme, tra cui siti web, app di messaggistica, social media e interfacce vocali. Le loro applicazioni sono diverse e includono il supporto automatizzato ai clienti, la fornitura di informazioni, la gestione di prenotazioni e molto altro.

Esistono principalmente due tipologie di chatbot:

Basati su Regole (Rule-Based): Questi chatbot seguono un insieme predefinito di regole di programmazione e rispondono in base a schemi predeterminati. La loro interazione è limitata alla logica stabilita durante la programmazione.

Con Intelligenza Artificiale (AI): Questi chatbot utilizzano algoritmi di apprendimento automatico e di elaborazione del linguaggio naturale (NLP) per comprendere i messaggi degli utenti. Sono in grado di apprendere da esperienze passate, migliorare nel tempo e affrontare in modo più adattabile le interazioni complesse.

I chatbot sono diventati sempre più diffusi, rivestendo un ruolo fondamentale in settori come il servizio clienti, le applicazioni aziendali e le piattaforme online. La loro presenza mira a semplificare le interazioni utente-macchina, migliorando l’accessibilità e offrendo un’esperienza più intuitiva.